桥梁结构在现代交通系统中扮演着举足轻重的角色,在国民经济的发展与民生生活中发挥着重要作用。随着社会经济的发展,全国的汽车保有量,货物运输量急剧增加,车辆荷载对于桥梁的影响也随之增加。因而,在长时间的车辆荷载作用下,桥梁结构内部损伤及其疲劳程度也随之增加,严重影响着桥梁结构的正常使用寿命。所以,研发一种桥梁移动车辆荷载的识别与跟踪方法,对于桥梁健康预警来说,显得格外重要。在第一章中,主要介绍了传统与新型称重系统的研究现状,以及计算机视觉技术在智能监测识别中的应用,并且结合当前研究痛点,提出本文的研究内容。在第二章中,在第二章中,针对当前移动汽车荷载识别存在的问题,本文主要提出了一种基于应变信号的采用时频分析和CNN相结合的车辆荷载识别的技术。首先,通过时频分析方法将桥梁跨中的应变信号转化为包含更多信号特征的二维时频信号,并双线性插值将时频信号转化为大小固定为64×64的数值矩阵;其次,利用CNN对于数值矩阵进行回归训练,以建立数值矩阵与CNN的映射关系。最后,基于车桥耦合理论,利用matlab与ansys模拟了两轴半车在多种速度、轴重情况下的桥梁跨中的应变信号,并利用CNN与CWT变换处理该应变信号以验证该方法的可行性。同时,本文还进一步模拟了不同路面粗糙度下CNN的荷载识别精度,验证了该方法在复杂路面下的有效性。在第三章中,针对传统压缩感知目标跟踪算法存在跟踪漂移的情况,从而导致目标跟踪结果不准确的问题。本做了如下改进:首先,通过传统压缩感知目标跟踪算法识别出目标存在概率最大的区域;其次,利用卡尔曼滤波进行目标区域坐标修正;最后,在修正后的目标区域进行分类器更新,为下一步跟踪计算做准备。并且在实验中经过试验室和野外实践证明了这种方法在技术上的可行。在第四章中,针对传统压缩感知目标跟踪算法的目标跟踪框尺度固定,不能适应桥梁上车辆的由远而近产生的视觉大小及姿态变换的问题。为此,本文提出了一种尺度自适应的目标跟踪算法。首先,采用传统压缩感知目标跟踪算法识别出目标存在概率最大的区域;其次,利用本文所提目标框自适应调整方法,自动调整目标框尺度,以求覆盖目标区域的绝大部分;最后,在修正尺度后的目标跟踪框基础上,更新跟踪算法的分类去以及边界阈值,为下一步跟踪计算做准备。并且通过试验室试验与野外试验验证了该方法的可行使。